CN111030191A - 基于多目标协同和自趋优运行的细胞电网规划方法 - Google Patents

基于多目标协同和自趋优运行的细胞电网规划方法 Download PDF

Info

Publication number
CN111030191A
CN111030191A CN201911261967.4A CN201911261967A CN111030191A CN 111030191 A CN111030191 A CN 111030191A CN 201911261967 A CN201911261967 A CN 201911261967A CN 111030191 A CN111030191 A CN 111030191A
Authority
CN
China
Prior art keywords
cost
power
energy
self
numbered
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201911261967.4A
Other languages
English (en)
Other versions
CN111030191B (zh
Inventor
叶刚进
商佳宜
尹建兵
叶奕
杨翾
吴梦遥
赵天煜
毛西吟
郑亚敏
陈琳
陈致远
陆海波
何卫斌
吴望冰
霍佳丽
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
State Grid Zhejiang Electric Power Co Ltd
Hangzhou Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
State Grid Zhejiang Electric Power Co Ltd
Hangzhou Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, State Grid Zhejiang Electric Power Co Ltd, Hangzhou Power Supply Co of State Grid Zhejiang Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201911261967.4A priority Critical patent/CN111030191B/zh
Publication of CN111030191A publication Critical patent/CN111030191A/zh
Application granted granted Critical
Publication of CN111030191B publication Critical patent/CN111030191B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E70/00—Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了基于多目标协同和自趋优运行的细胞电网规划方法，本发明针对偏远地区的能源供应，提出了清洁、可靠、经济的能源分配系统的细胞网络框架。该框架不仅可以提高每个电网细胞的生存能力，而且可以降低网络设计的难度。用于自我优化的单细胞网络模型由三层组成，用于连接输入和输出，并使内部状态完全可观测。多细胞网络模型提供了处理多目标协作的全局视角。在此基础上，可以解决三个问题，即提高可再生能源消费比重、源储协同和经济规划与运行。

Description

基于多目标协同和自趋优运行的细胞电网规划方法
技术领域
本发明涉及电气信息技术领域，具体涉及基于多目标协同和自趋优运行的细胞电网规划方法。
背景技术
在严重环境问题和多种能源需求的推动下，能源系统研究的重点是优化能源结构，提高能源利用效率。在此背景下，能源互联网是能源系统的未来，综合能源分配网络是基于合理的结构模型和规划的关键组成部分之一。
近期区域综合能源系统规划的研究角度主要包括以下几个方面：1)能源枢纽建模；2)能量流分析；3)能源基础设施的装机容量和布局。有的研究者提出了一种最佳的能源枢纽扩展规划模型，以提高可靠性和能源效率。有的研究者在天然气和电力中使用测试系统来验证互联能源枢纽框架的有效性。有的研究者提出了一种基于可靠性的互联能源枢纽优化规划模型，提出了满足可靠性标准的协同网络设计策略。然而，没有考虑到能源基础设施的能力和布局。有的研究者提出了一种线性时间能量管理系统(EMS)调度算法，以确定能源中心的竞争平衡。它有助于改变能源枢纽的日常运行，以满足电力市场需求。能量流是区域综合能源系统规划的另一个基本模式。有的研究者介绍了一种考虑N-1 故障的安全约束最佳功率和天然气流量模型，并且系统状态变量可以根据灵敏度分析快速调整，避免意外事件导致故障。有的研究者开发了耦合功率流的通用框架，由于维数高、非凸和非线性，采用了鲁棒的优化技术。有的研究者提出了一种考虑到微电网中分布式能源的图形分区和整数编程综合方法。能源基础设施的最佳装机容量和布局属于能源生产。有的研究者开发了包括储能系统在内的主动配电网络规划模型，分析了长期投资成本、短期运行条件和电源可靠性提升。有的研究者开发了新的扩展共同规划框架，以解决日益提升的系统复杂性和风险问题，选择最高的成本收益比作为优化目标。有的研究者提出了一种改进的微能系统规划克里金模型，以满足用户对多能的需求。有的研究者制定了以电力、燃气和热系统耦合为特色的综合能源系统综合规划策略。在考虑多方利益相关者之间的相互作用后，有的研究者中提出了一个三层随机混合整数双层线性规划模型，以处理旨在最大化利润的联合主从操作规划问题。
由于地理和经济的限制，上述研究成果仍不能完全适用于一些偏远地区的能源系统规划。总的来说，这些地方的自然环境恶劣，基础设施差，但可再生能源丰富。此外，能源供应系统的运作方式相对简单。为确保能源供应体系清洁、可靠、经济，需要解决以下几个方面的问题：1)提高可再生能源消纳比重； (2)可再生能源与储能的协同作用；3)经济运行。
发明内容
为了解决上述现有技术存在的技术问题，本发明提供了基于多目标协同和自趋优运行的细胞电网规划方法，包括以下步骤：
步骤一，建立基于自趋优运行的单细胞和多细胞网络结构；
步骤二，基于上述细胞网络结构，建设基于自趋优运行的细胞电网并进行多目标规划。
进一步，所述基于自趋优运行的单细胞网络结构包括：电源层、储能层和负荷层。
进一步，所述电源层包括：基于接收的风力产生的电量、基于接收的太阳能产生的电量、从上级电网购买的电量、通过线路从其他细胞单元输送的电量。
进一步，所述储能层包括：储能电源。
进一步，所述负荷层包括：电力负荷。
进一步，所述基于自趋优运行的多细胞网络结构包括：若干单细胞网络及其联络线。
进一步，以经济、环境和可靠性的综合成本最小为上层目标函数：
min f＝Cinv_l+Cmat_l+Cctax+Closs，
其中，经济指标为新的建设成本Cinv_l和网络维护成本Cmat_l，碳排放成本 Cctax和线路损耗成本Closs分别为环境和可靠性指标。
且上述规划结果受到变电站容量和线路容量约束。
进一步，所述建设成本Cinv_l、网络维护成本Cmat_l、碳排放成本Cctax和线路损耗成本Closs为：
Figure BDA0002311823580000031
Figure BDA0002311823580000032
Figure BDA0002311823580000033
Figure BDA0002311823580000034
Figure BDA0002311823580000035
代表联络线的单位安装成本，
Figure BDA0002311823580000036
代表联络线的单位维护成本；li表示编号为i的线路长度；d表示利率；N表示规划周期；Dctax代表碳税；δ代表功率的碳排放因数；closs表示线路损耗的单位成本；ri表示编号为i线路电阻；Pi,t表示t时刻编号为i的线路的有功功率；Qi,t表示t时刻编号为i的线路的无功功率；U表示配电网额定电压。
进一步，所述变电站容量和线路容量约束为：
Figure BDA0002311823580000041
Figure BDA0002311823580000042
Figure BDA0002311823580000043
Figure BDA0002311823580000044
其中，
Figure BDA0002311823580000045
表示编号为i的联络线传输功率上限。
进一步，以经济、环境和可靠性的综合成本最小为下层目标函数：
min f＝Cinv_e+Cmat_e+Cw&p+Ccut，
其中，经济指标为新的建设成本Cinv_e和基础设施的维护成本Cmat_e，环境指标为放弃风能和太阳能的成本Cw&p，可靠性指标为负载损失成本Ccut。
且上述规划结果受到能源供需平衡、能源生产基础设施和能量储存约束。
进一步，所述新的建设成本Cinv_e、基础设施的维护成本Cmat_e、放弃风能和太阳能的成本Cw&p和可靠性指标为负载损失成本Ccut为：
Figure BDA0002311823580000046
Figure BDA0002311823580000047
Figure BDA0002311823580000048
Figure BDA0002311823580000049
其中，
Figure BDA00023118235800000410
代表风力涡轮机的单位安装成本；sw_i表示编号为i的风力涡轮机的容量；
Figure BDA00023118235800000411
代表光伏的单位安装成本；spv_j表示编号为j的PV容量；
Figure BDA00023118235800000412
表示储能的单位安装成本；sst_k表示编号为k的存储容量；Dy表示标准化的年价值；
Figure BDA0002311823580000051
代表风力涡轮机的单位维护成本；
Figure BDA0002311823580000052
代表光伏的单位维护成本；
Figure BDA0002311823580000053
代表储能的单位维护成本；xst_k表示编号为k的储能的额定功率；ccut表示负载损失的单位成本；Pcut_t表示t时刻的负载损失。
进一步，所述能源供需平衡约束为：
Pcut_t＝L·e-PL·e≤γmax·L，
其中，γmax表示最大负载损耗率。
进一步，所述能源生产基础设施约束为：
0≤sw_i≤sw_i,limit，
0≤spv_j≤spv_j,limit，
Figure BDA0002311823580000054
Figure BDA0002311823580000055
其中，sw_i,limit代表编号为i的风力涡轮机安装容量的上限；spv_j,limit表示编号为j的光伏安装容量的上限；
Figure BDA0002311823580000056
表示编号为i的风力涡轮机输出功率的下限；
Figure BDA0002311823580000057
表示编号为i的风力涡轮机输出功率的上限；
Figure BDA0002311823580000058
表示编号为j的光伏输出功率的下限；
Figure BDA0002311823580000059
表示编号为j光伏输出功率的上限。
进一步，所述能量储存约束为：
0≤sst_k≤sst_k,limit，
SOCk,min≤SOCk,t≤SOCk,max，
-xst_k≤Pst_k,t≤xst_k，
其中sst_k,limit代表编号为k的储能安装容量的上限；SOCk,min表示编号为k 的储能SOC的下限；SOCk,max表示编号为k的储能SOC的上限。
本发明具有如下的优点和有益效果：
1、本发明采用了一种基于自趋优运行的细胞网络结构，这是解决偏远地区能源供应问题的有效途径。即使由于客观条件的限制而无法设置长距离线路，每个细胞单元仍然可以进行自我优化并独立生存。
2、本发明采用了一种基于自趋优运行的细胞网络结构，实现了具有巨大优化潜力的多细胞能源供应和存储的协作和互补。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：
图1为本发明提出的基于多目标协同和自趋优运行的细胞电网规划方法的流程示意图；
图2为本发明单细胞网络的结构原理图；
图3为本发明多细胞网络的结构原理图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
实施例
本实施例提出的基于多目标协同和自趋优运行的细胞电网规划方法，如图1 所示，包括以下步骤：
步骤一，建立基于自趋优运行的单细胞和多细胞网络结构；
步骤二，基于上述细胞网络结构，建设基于自趋优运行的细胞电网并进行多目标规划；
其中，所述基于自趋优运行的单细胞网络结构包括：电源层、储能层和负荷层；所述基于自趋优运行的多细胞网络结构包括：若干单细胞网络及其联络线；所述电源层包括：基于接收的风力产生的电量、基于接收的太阳能产生的电量、从上级电网购买的电量、通过线路从其他细胞单元输送的电量，所述储能层包括：储能电源，所述负荷层包括：电力负荷。
在本实施例中，对包含三层的细胞电网结构进行建模，以满足电源和负载的自平衡。专为处理微电网的自我优化和独立生存而设计的细胞单元分为三层，即电源层、储能层和负荷层。每层都可被定义为表示多能源、储能设备荷电状态(SOC)和负荷等特征的矩阵。连接能量输入和输出的细胞单元可被视为区域级网络的透明封装，其内部状态是完全可观察到的。通过连接所有细胞单元以满足可靠性、环境和经济要求，形成了多细胞网络。
(1)单细胞网络
图2所示的单细胞结构有4种输入类型，即
Figure BDA0002311823580000071
表示基于接收的风力产生的电量；
Figure BDA0002311823580000072
表示基于接收的太阳能产生的电量；
Figure BDA0002311823580000073
表示从上级电网购买的电量；
Figure BDA0002311823580000074
表示通过线路从其他细胞单元输送的电量。有2种输出，即
Figure BDA0002311823580000075
表示向上层电网出售的电量；
Figure BDA0002311823580000076
表示输送到其他电网单元的电量。涵盖输入和输出之间的三层描述如下：
1)电源层
电源层设计用于分析不同的电源。例如，总光伏发电量应为由照明条件和光伏装机容量决定的
Figure BDA0002311823580000077
转换系数ηPV用来表示太阳能的利用率：
Figure BDA0002311823580000078
其中，PPV表示光伏实际出力，ηPV满足约束0≤ηPV≤1。
电源层约束可以概括为：
P＝M1·Pin，
其中，
Figure BDA0002311823580000081
表示实际出力功率，
M1＝diag{ηWT,ηPV,ηBuy,ηLine}表示能源使用率。
2)储能层
参数λ表示储能的工作状态，并满足约束-1≤λ≤1。如果λ为正，则储能作为电源；否则其作为负载。此层可以表示为：
PL＝P+M2·ES
其中，PL表示负荷层的输入矢量，M2＝diag{λ1,λ2,…,λn}表示负荷工作状态，ES是表示储存电量的矢量。
3)负荷层
单细胞网络模型可以通过连接输入和输出直接表示如下：
Figure BDA0002311823580000082
其中，α表示用于优化决定销售多少电能的调度系数；β表示用于优化向其他细胞输送多少电力的决定的调度系数；α和β满足约束α+β＝1；L为表示负荷量的矢量。
(2)多细胞网络
多细胞网络是一个区域分布系统，由大量的单细胞cell1-cell3通过联络线组成。合理的网络设计可以打到能源优化管理和经济运行的目标。多单元网格模型如图3所示。本实施例提出的多细胞网络规划方法基于协同优化的理念。规划问题分为主要问题和子问题。主要问题负责细胞之间的网络规划，从经济、可靠性和环境的全局角度进行协调；而子问题负责单元内部的自我优化设计。
步骤2：
根据步骤1提出的细胞网络框架，可以看出输入的组合会随着总目标的变化而变化，这提供了相当大的优化潜力。
本实施例提出了一种包括多能源、联络线、储能、负荷的细胞电网协同规划方法，设计了一种双层优化结构，实现高效解决。上层解决了网络的优化设计，下层将基础设施的位置和容量也固定下来。上下两层问题通过数据传输实现全局迭代优化。总体目标为尽量减少经济、环境和可靠性的综合成本，即：
min f＝Ceco+Cenv+Crel，
(1)目标函数
1)上层目标函数
min f＝Cinv_l+Cmat_l+Cctax+Closs，
其中，经济指标为新的建设成本Cinv_l和网络维护成本Cmat_l，碳排放成本 Cctax和线路损耗成本Closs分别为环境和可靠性指标。
且上述规划结果受到变电站容量和线路容量约束。
进一步，所述建设成本Cinv_l、网络维护成本Cmat_l、碳排放成本Cctax和线路损耗成本Closs为：
Figure BDA0002311823580000091
Figure BDA0002311823580000092
Figure BDA0002311823580000093
Figure BDA0002311823580000094
Figure BDA0002311823580000101
代表联络线的单位安装成本，
Figure BDA0002311823580000102
代表联络线的单位维护成本；li表示编号为i的线路长度；d表示利率；N表示规划周期；Dctax代表碳税；δ代表功率的碳排放因数；closs表示线路损耗的单位成本；ri表示编号为i线路电阻；Pi,t表示t时刻编号为i的线路的有功功率；Qi,t表示t时刻编号为i的线路的无功功率；U表示配电网额定电压。
2)下层目标函数
min f＝Cinv_e+Cmat_e+Cw&p+Ccut，
其中，经济指标为新的建设成本Cinv_e和基础设施的维护成本Cmat_e，环境指标为放弃风能和太阳能的成本Cw&p，可靠性指标为负载损失成本Ccut。
且上述规划结果受到能源供需平衡、能源生产基础设施和能量储存约束。
进一步，所述新的建设成本Cinv_e、基础设施的维护成本Cmat_e、放弃风能和太阳能的成本Cw&p和可靠性指标为负载损失成本Ccut为：
Figure BDA0002311823580000103
Figure BDA0002311823580000104
Figure BDA0002311823580000105
Figure BDA0002311823580000106
其中，
Figure BDA0002311823580000107
代表风力涡轮机的单位安装成本；sw_i表示编号为i的风力涡轮机的容量；
Figure BDA0002311823580000108
代表光伏的单位安装成本；spv_j表示编号为j的PV容量；
Figure BDA0002311823580000109
表示储能的单位安装成本；sst_k表示编号为k的存储容量；Dy表示标准化的年价值；
Figure BDA0002311823580000111
代表风力涡轮机的单位维护成本；
Figure BDA0002311823580000112
代表光伏的单位维护成本；
Figure BDA0002311823580000113
代表储能的单位维护成本；xst_k表示编号为k的储能的额定功率；ccut表示负载损失的单位成本；Pcut_t表示t时刻的负载损失。
(2)约束条件
1)上层约束条件
Figure BDA0002311823580000114
Figure BDA0002311823580000115
Figure BDA0002311823580000116
Figure BDA0002311823580000117
其中，
Figure BDA0002311823580000118
表示编号为i的联络线传输功率上限。
2)下层约束条件
进一步，所述能源供需平衡约束为：
Pcut_t＝L·e-PL·e≤γmax·L，
其中，γmax表示最大负载损耗率。
进一步，所述能源生产基础设施约束为：
0≤sw_i≤sw_i,limit，
0≤spv_j≤spv_j,limit，
Figure BDA0002311823580000119
Figure BDA00023118235800001110
其中，sw_i,limit代表编号为i的风力涡轮机安装容量的上限；spv_j,limit表示编号为j的光伏安装容量的上限；
Figure BDA00023118235800001111
表示编号为i的风力涡轮机输出功率的下限；
Figure BDA00023118235800001112
表示编号为i的风力涡轮机输出功率的上限；
Figure BDA00023118235800001113
表示编号为j的光伏输出功率的下限；
Figure BDA0002311823580000121
表示编号为j光伏输出功率的上限。
进一步，所述能量储存约束为：
0≤sst_k≤sst_k,limit，
SOCk,min≤SOCk,t≤SOCk,max，
-xst_k≤Pst_k,t≤xst_k，
其中sst_k,limit代表编号为k的储能安装容量的上限；SOCk,min表示编号为k 的储能SOC的下限；SOCk,max表示编号为k的储能SOC的上限。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
以上所述仅为本发明的实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.基于多目标协同和自趋优运行的细胞电网规划方法，其特征在于，包括以下步骤：
步骤一，建立基于自趋优运行的单细胞和多细胞网络结构；
步骤二，基于上述细胞网络结构，建设基于自趋优运行的细胞电网并进行多目标规划；
其中，所述基于自趋优运行的单细胞网络结构包括：电源层、储能层和负荷层；所述基于自趋优运行的多细胞网络结构包括：若干单细胞网络及其联络线；所述电源层包括：基于接收的风力产生的电量、基于接收的太阳能产生的电量、从上级电网购买的电量、通过线路从其他细胞单元输送的电量，所述储能层包括：储能电源，所述负荷层包括：电力负荷。
2.根据权利要求1所述的基于多目标协同和自趋优运行的细胞电网规划方法，其特征在于，所述规划方法还包括：
构建以经济、环境和可靠性的综合成本最小为上层目标函数：
min f＝Cinv_l+Cmat_l+Cctax+Closs，
其中，经济指标为新的建设成本Cinv_l和网络维护成本Cmat_l，碳排放成本Cctax和线路损耗成本Closs分别为环境和可靠性指标；
上述规划结果受到变电站容量和线路容量约束；
其中，建设成本Cinv_l、网络维护成本Cmat_l、碳排放成本Cctax和线路损耗成本Closs为：
Figure FDA0002311823570000011
Figure FDA0002311823570000012
Figure FDA0002311823570000021
Figure FDA0002311823570000022
Figure FDA0002311823570000023
代表联络线的单位安装成本，
Figure FDA0002311823570000024
代表联络线的单位维护成本；li表示编号为i的线路长度；d表示利率；N表示规划周期；Dctax代表碳税；δ代表功率的碳排放因数；closs表示线路损耗的单位成本；ri表示编号为i线路电阻；Pi,t表示t时刻编号为i的线路的有功功率；Qi,t表示t时刻编号为i的线路的无功功率；U表示配电网额定电压；
所述变电站容量和线路容量约束为：
Figure FDA0002311823570000025
Figure FDA0002311823570000026
Figure FDA0002311823570000027
Figure FDA0002311823570000028
其中，
Figure FDA0002311823570000029
表示编号为i的联络线传输功率上限。
3.根据权利要求1所述的基于多目标协同和自趋优运行的细胞电网规划方法，其特征在于，还包括以经济、环境和可靠性的综合成本最小为下层目标函数：
min f＝Cinv_e+Cmat_e+Cw&p+Ccut，
其中，经济指标为新的建设成本Cinv_e和基础设施的维护成本Cmat_e，环境指标为放弃风能和太阳能的成本Cw&p，可靠性指标为负载损失成本Ccut；
且上述规划结果受到能源供需平衡、能源生产基础设施和能量储存约束。
4.根据权利要求3所述的基于多目标协同和自趋优运行的细胞电网规划方法，其特征在于，所述新的建设成本Cinv_e、基础设施的维护成本Cmat_e、放弃风能和太阳能的成本Cw&p和可靠性指标为负载损失成本Ccut为：
Figure FDA0002311823570000031
Figure FDA0002311823570000032
Figure FDA0002311823570000033
Figure FDA0002311823570000034
其中，
Figure FDA0002311823570000035
代表风力涡轮机的单位安装成本；sw_i表示编号为i的风力涡轮机的容量；
Figure FDA0002311823570000036
代表光伏的单位安装成本；spv_j表示编号为j的PV容量；
Figure FDA0002311823570000037
表示储能的单位安装成本；sst_k表示编号为k的存储容量；Dy表示标准化的年价值；
Figure FDA0002311823570000038
代表风力涡轮机的单位维护成本；
Figure FDA0002311823570000039
代表光伏的单位维护成本；
Figure FDA00023118235700000310
代表储能的单位维护成本；xst_k表示编号为k的储能的额定功率；ccut表示负载损失的单位成本；Pcut_t表示t时刻的负载损失。
5.根据权利要求1所述的基于多目标协同和自趋优运行的细胞电网规划方法，其特征在于，还包括建立能源供需平衡约束，所述能源供需平衡约束为：
Pcut_t＝L·e-PL·e≤γmax·L，
其中，γmax表示最大负载损耗率；
能源生产基础设施约束为：
0≤sw_i≤sw_i,limit，
0≤spv_j≤spv_j,limit，
Figure FDA0002311823570000041
Figure FDA0002311823570000042
其中，sw_i,limit代表编号为i的风力涡轮机安装容量的上限；spv_j,limit表示编号为j的光伏安装容量的上限；
Figure FDA0002311823570000043
表示编号为i的风力涡轮机输出功率的下限；
Figure FDA0002311823570000044
表示编号为i的风力涡轮机输出功率的上限；
Figure FDA0002311823570000045
表示编号为j的光伏输出功率的下限；
Figure FDA0002311823570000046
表示编号为j光伏输出功率的上限。
6.根据权利要求1所述的基于多目标协同和自趋优运行的细胞电网规划方法，其特征在于，还包括建立能量储存约束，所述能量储存约束为：
0≤sst_k≤sst_k,limit，
SOCk,min≤SOCk,t≤SOCk,max，
-xst_k≤Pst_k,t≤xst_k，
其中sst_k,limit代表编号为k的储能安装容量的上限；SOCk,min表示编号为k的储能SOC的下限；SOCk,max表示编号为k的储能SOC的上限。
CN201911261967.4A 2019-12-10 2019-12-10 基于多目标协同和自趋优运行的细胞电网规划方法 Active CN111030191B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911261967.4A CN111030191B (zh) 2019-12-10 2019-12-10 基于多目标协同和自趋优运行的细胞电网规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911261967.4A CN111030191B (zh) 2019-12-10 2019-12-10 基于多目标协同和自趋优运行的细胞电网规划方法

Publications (2)

Publication Number Publication Date
CN111030191A true CN111030191A (zh) 2020-04-17
CN111030191B CN111030191B (zh) 2022-07-19

Family

ID=70205399

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911261967.4A Active CN111030191B (zh) 2019-12-10 2019-12-10 基于多目标协同和自趋优运行的细胞电网规划方法

Country Status (1)

Country Link
CN (1) CN111030191B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112531788A (zh) * 2020-12-17 2021-03-19 浙江大学 考虑多重不确定性和自趋优运行的透明微网群规划方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103761586A (zh) * 2014-02-11 2014-04-30 东南大学 微电网群“集中-分布式”协调优化调度方法
CN107392371A (zh) * 2017-07-18 2017-11-24 河海大学 基于分解协调的含分布式电源的配电网规划方法
CN107688879A (zh) * 2017-10-20 2018-02-13 云南电网有限责任公司 一种考虑源荷匹配度的主动配电网分布式电源规划方法
CN109871989A (zh) * 2019-01-29 2019-06-11 国网山西省电力公司吕梁供电公司 一种含分布式电源的配电网分层规划方法
CN109948868A (zh) * 2019-04-17 2019-06-28 上海电力设计院有限公司 高渗透率分布式可再生能源发电集群优化规划方法
CN110414796A (zh) * 2019-07-03 2019-11-05 南方电网科学研究院有限责任公司 一种交直流混合配电网网架规划方法、装置及存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103761586A (zh) * 2014-02-11 2014-04-30 东南大学 微电网群“集中-分布式”协调优化调度方法
CN107392371A (zh) * 2017-07-18 2017-11-24 河海大学 基于分解协调的含分布式电源的配电网规划方法
CN107688879A (zh) * 2017-10-20 2018-02-13 云南电网有限责任公司 一种考虑源荷匹配度的主动配电网分布式电源规划方法
CN109871989A (zh) * 2019-01-29 2019-06-11 国网山西省电力公司吕梁供电公司 一种含分布式电源的配电网分层规划方法
CN109948868A (zh) * 2019-04-17 2019-06-28 上海电力设计院有限公司 高渗透率分布式可再生能源发电集群优化规划方法
CN110414796A (zh) * 2019-07-03 2019-11-05 南方电网科学研究院有限责任公司 一种交直流混合配电网网架规划方法、装置及存储介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
HAIBO YU: "Economic optimization for configuration and sizing of micro integrated energy systems", 《JOURNAL OF MODERN POWER SYSTEMS AND CLEAN ENERGY》 *
刘宝林: "基于块坐标下降法的微网群日前联合优化调度", 《可再生能源》 *
高扬: "多智能体系统的交直流混合微网群一致性协同控制", 《高电压技术》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112531788A (zh) * 2020-12-17 2021-03-19 浙江大学 考虑多重不确定性和自趋优运行的透明微网群规划方法

Also Published As

Publication number Publication date
CN111030191B (zh) 2022-07-19

Similar Documents

Publication Publication Date Title
CN103426122B (zh) 一种微电网综合评价方法
CN104881716A (zh) 一种微电网电源的优化规划及评估方法
CN108233430B (zh) 一种计及系统能源波动性的交直流混合微网优化方法
CN107959307A (zh) 一种计及配电网运行风险成本的dg优化配置方法
CN103473604A (zh) 一种日前发电计划综合性能评价方法
CN103577891A (zh) 一种含分布式电源的多孤岛微网优化合作运行方法
Ma et al. Key technologies of smart distribution grid
Hanna et al. Unlocking the potential of Energy Systems Integration
CN111799794A (zh) 一种考虑输电阻塞盈余的输电网扩展规划方法
Han et al. Optimal sizing considering power uncertainty and power supply reliability based on LSTM and MOPSO for SWPBMs
CN111030191B (zh) 基于多目标协同和自趋优运行的细胞电网规划方法
Liang et al. Capacity configuration optimization of wind-solar combined power generation system based on improved grasshopper algorithm
Wang et al. Optimal distribution network expansion planning incorporating distributed generation
CN104143119A (zh) 一种多尺度分层蜂窝输电网及其规划方法
Kell GEI—An idea whose time has come
Jiang et al. Expansion planning method of offshore multiplatform power system with wind power considering cable size selection
Fan et al. Research on collaborative planning of power source, grid and load for Shanghai distribution network
Gao et al. Renewable generation capacity and reliability assessments for resilient active distribution networks based on time-sequence production simulation
CN112886624A (zh) 一种三站合一变电站储能装置规划设计系统及方法
Alkano et al. Distributed MPC for Power-to-Gas facilities embedded in the energy grids
Chenrui et al. Optimal Configuration of Energy Storage for Integrated Energy Stations Considering Multiple Scenarios
Mou et al. An Optimal Allocation Strategy for Multienergy Networks Based on Double‐Layer Nondominated Sorting Genetic Algorithms
Yushan et al. Configuration strategy for flexible resources with resilience enhancement of the distribution system against typhoon disaster
Si et al. Modeling the Heat-Hydrogen Balance Characteristic of Hydrogen Energy Storage and Cooperative Dispatch of Wind-Hydrogen Hybrid System
Wang et al. Research on regional integrated energy cluster management and control technology

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant